Việc sử dụng công nghệ Deepfake cho phép thay thế khuôn mặt của một người vào mặt của người khác trong video,ảnhbáogiatăngtộiphạmsửdụket qua darmstadt đang gia tăng trong giới tội phạm và cần được nhắm mục tiêu. Đây là thông tin cảnh báo đưa ra bởi cơ quan cảnh sát Liên minh châu Âu (Europol).

Europol đã phát hành báo cáo dài 23 trang, xem xét cách mà trí tuệ nhân tạo và công nghệ Deepfake có thể được sử dụng trong giới tội phạm. Europol cho biết, ngày càng có nhiều thông tin sai lệch, tác động sâu sắc đến cách mọi người nhìn nhận về phương tiện truyền thông. Tổ chức này lo ngại, Deepfake có thể khiến mọi người không còn được thoải mái chia sẻ video thực tế hoặc có thể tạo ra sự thiếu tin tưởng vào các nguồn thông tin.

Đây là viễn cảnh được Europol gọi là "ngày tận thế thông tin" hoặc "sự lãnh cảm thực tế". Tổ chức này cho rằng, các nhà hoạch định chính sách và cơ quan thực thi pháp luật cần tăng cường giám sát để loại bỏ tình trạng tội phạm sử dụng Deepfake.

Thuật ngữ "Deepfake" xuất hiện công khai trên Internet từ khoảng cuối năm 2017, với nghĩa gốc của từ này là sự kết hợp giữa "deep learning" (học sâu) và "fake"(giả tạo). Công nghệ này được biết đến rộng rãi khi một người dùng trên mạng xã hội Reddit đã sử dụng nó để hoán đổi gương mặt của người nổi tiếng vào trong các bộ phim người lớn với độ chính xác khá cao mà không mất nhiều công sức. Dù hứng chịu sự chỉ trách mạnh mẽ từ dư luận, nhưng Deepfake vẫn được cả giới chuyên gia lẫn các "tay mơ" dõi theo và thậm chí tham gia phát triển.

Trong ví dụ mới nhất về công nghệ Deepfake mới được công bố hồi cuối tháng 6/2019, các nhà nghiên cứu đã cho thấy phần mềm mới sử dụng các thuật toán Machine Learning (Học máy) có thể cho phép người dùng chỉnh sửa nội dung đã được văn bản hóa của video để thêm, xóa hoặc thay đổi các từ phát ra từ miệng của người nói trong video.

Để tạo ra những đoạn giả được thêm vào video gốc, các nhà nghiên cứu đã kết hợp một số kỹ thuật. Đầu tiên, họ quét video gốc để cô lập các âm vị (những âm thanh cấu thành nên các từ) được nói bởi người tham gia. Các nhà nghiên cứu sau đó kết nối âm vị này với các biểu cảm khuôn mặt tương ứng khi thể hiện mỗi âm vị đó. Cuối cùng, họ tạo ra một mô hình 3D của nửa dưới khuôn mặt người nói bằng cách sử dụng video gốc.

Khi ai đó chỉnh sửa nội dung được văn bản hóa của video, phần mềm sẽ kết hợp tất cả dữ liệu được thu thập này gồm âm vị, hình ảnh và mô hình khuôn mặt 3D để tạo cảnh quay mới phù hợp với nội dung được thêm bớt vào văn bản. Sau đó, phần mềm sẽ dán thành phẩm vào video gốc để tạo nên video cuối cùng.

Công nghệ này vẫn chưa thực sự hoàn hảo. Các thuật toán chỉ hoạt động trên video dạng quay chính mặt người nói và cần lượng dữ liệu đầu vào khoảng 40 phút. Bài phát biểu được chỉnh sửa cũng không thể khác quá nhiều so với video gốc vì chất lượng âm thanh dù có cải thiện vẫn khá thấp so với chất lượng nguyên bản.

Các nhà nghiên cứu cũng lưu ý rằng họ chưa thể thay đổi tâm trạng hoặc giọng điệu người nói vì làm như vậy sẽ dẫn đến kết quả "khá kỳ lạ và hơi đáng sợ". Ngoài ra, nếu khuôn mặt người nói bị che khuất bất cứ khi nào, như ai đó vẫy tay trong khi nói thì thuật toán sẽ thất bại hoàn toàn.

Việc phát triển công nghệ có thể phát hiện ra Deepfake tuy rất quan trọng, nhưng thách thức lớn hơn là làm cho các công nghệ này thực sự được áp dụng rộng rãi và trở nên hữu ích.

(责任编辑：Thể thao)